AIGC发展研究 清华大学 新闻学院、人工智能学院 @新媒沈阳 团队、 AIGC 2024年11月团队简介 沈阳为清华大学新闻学院/人工智能学院教授、博导，清华大学新 闻学院元宇宙文化实验室主任，清华大学新闻学院新媒体研究中心主任。 从事多个教学科研领域，包括新闻传播学、计算机科学、信息管理学、 医学。 领导学术研究团队近40人。指导AI元宇宙和机器人两个产业团队。 建构的产学研结合，进步主义的先锋探索精神，科学服务于大众的社会 责任。 邮箱：124739259@qq.com；微博：@新媒沈阳 元宇宙 大模型产业化 大数据 新媒体与网络舆论 AI诊疗 AI文艺 六 大 研 究 方 向 @新媒沈阳元宇宙/虚拟数字人/大数据/AI 系列研究 新媒体系列报告2015年开始 VR的新浪潮 虚拟数字人发展研究报告3.0 虚拟数字人发展研究报告1.0 大数据/AI/5G生态报告 元宇宙发展研究报告2.0版 元宇宙发展研究报告3.0版 韩国元宇宙动态研究报告 时空智能发展研究报告1.0 数字藏品发展研究报告1.0 元宇宙发展研究报告1.0版 元宇宙系列 元宇宙发展研究报告4.0 新媒体发展研究报告9.0 AIGC发展研究报告2.0 AIGC发展研究报告1.0 人形机器人发展研究 大语言模型综合性能评估报告一 AI 哲学哲思问道：思辨革新 微调经典 主题 经典哲学理论 AI引发变化

扫描下方二维码进入视频号“清博智能”观看直播回放清博研究院隶属北京清博智能科技有限公司，以海内外全网公开数 据研究、智能语义分析、危机传播管理为支撑，全方位整合传统媒体、 门户网站、微博、微信、论坛、外媒等舆论信息矩阵，基于专业大数据 产品，向政务部门、企业、媒体和高校客户提供个性化智库服务。2023 年交付各类研究成果逾 35 万份，近年累计百份材料得到重要领导批示， 参与数十起突发事件的会商，为政策制定、经济发展、民生改善等方方 ... 11 7. 舆论主体的新媒体素养提升，对舆论客体带来挑战..................................12 8. 区域事件全网化，“推人及己”式比照加剧舆论复杂性...........................131 引言 2024 年上半年，全球网络舆论场呈现出多元化和复杂化的趋势。经 济复苏成为主旋律，各地政策推动新质生产力和低空经济蓬勃发展。文 旅行业的快速复苏成为舆论焦点，哈尔滨、天水等新一批“网红城市” 横空出世，极大带动消费意愿。然而，随之而来的乱象也让公众对发展 韧性产生忧虑。从劳动权益到营销，经营过程中的管理细节频频引发争 议，无一不考验着企业的应对能力和舆论把控力。科技领域，生成式人 工智能和航天事业的重大进展吸引全球目光，虽然带来了新的发展机遇， 但也引发了对安全与伦理的深层次担忧。此外，青少年成长问题、社会

能浅层次地思考。如果民众的政治热情被别有用心的人利用， 将引起相关信息在互联网上‘病毒式’扩散，引起严重的社会 问题。” （二）基于互联网的社会组织无需组织核心即可实施集 体行动 网络环境中出现了一种新的“自组治理”模式，借助这个 模式，某些参与者可以有意地限制和影响其他个人参与者的 行为方式。在这个模式下，即使没有管理中心和一个体系化 的结构，基于互联网的“集体行动”仍然可行。克莱·舍基（Clay 发起行动。在 这种模式下，互联网可以将一些毫无关联的群组联系在一起， 在互联网没有出现之前，这几乎是无法做到的事情。”曼纽 尔·卡斯特尔（Manuel Castells）认为，互联网开启了一种新 的集体资本主义，是社会组织在信息时代的代表形态。 （三）数字技术和互联网极大地降低了全球性行动的发 起门槛并使社会组织更具“弹性” 数字技术和互联网已经对社会个体和组织赋权，并让其 能够完 增加了互联网的“弹性”，也使得基于互联网行动的社会组织 具有“弹性”。例如，美国政府逮捕了 Anonymous 中的 5 名顶 级黑客后，该组织的攻击活动并没有任何减少的迹象。 （四）互联网网络结构本身产生了新权力 互联网是包括个体、团体、组织和国家等一系列互联网 节点的集合，也是一系列用于交换思想、商品、价值观和其 他资源的互联节点的集合。网络权力代表了“网络中的个体影 响其他个体的行为、配置和输出结果的程度及方式”。卡斯特

次生舆情的产生与应对 来源：微信公众号“探舆岛” 次生舆情是在新媒体环境中以原生事件议题为基础和诱因，再生和演化的新 舆情。某些公共事件成为舆论热点之后，如果事情没有及时处理好，可能会引发 公共讨论和意见的表达，很多平常被掩盖和忽略的问题都被“扒”出来，形成一波 又一波的“次生舆情”。 一、次生舆情的特征 关联性与偶然性。当原生事件进入公众视野并引起广泛关注后，事件中不同 利益攸关 中代表或反映了某些社会情绪或社会心理，比如官员贪腐问题之所以能演化出网 络次生舆情，背后正反映了公众对官员贪腐问题的不满。 敏感性与话题性。在舆情指向的主体、议题与具体内容方面，次生舆情都可 能是对原生事件舆情新的补充或发展，甚至比原生舆情更具话题性。比如，次生 舆情多指向容易刺激社会神经的公权部门、官员、明星、名人 和小人物，以及强权与弱势矛盾、贫富分化、伦理道德和公平正义等问题或领域，因此其传播扩 散的动力也就更强。 交汇、叠加，导致原生舆情发生裂变和延伸。 网民的参与是次生舆情形成的基础。普通网民是次生舆情生成的主力军，网 络意见领袖的表达左右网民情绪，激发网络次生舆情。如果舆情事件刺激到了网 民的基础需求，将形成新的舆情高潮，加快原生舆情的演变速度。网民的群体心 理影响次生舆情形成。比如：逆反、宣泄心理；窥私、猎奇心理；跟风、从众心 理。 某些话题容易形成次生舆情的燃点。网民对重要议题始终有参与讨论、发表

己的口味。这也解释了为什么一些奇怪、荒诞的说法会拒绝 科学、理性和事实，一些人受骗后非要打钱给骗子,警察和 银行怎么解释都不信,怎么拦都拦不住。 逆火效应在互联网上更是表现明显。网上不实信息泛滥， 政府、精英和主流媒体的更正信息就像一把把逆火的枪，因 为与很多人原本的看法相违背，结果没能射出打中谣言的子 弹，却适得其反，加深对错误信息的信任，让真实的信息更 加没有市场。2011 年日本“核泄漏”事故后的抢盐风波也可 潮，很多超市食盐在数天之内就被抢光。尽管随后就有专家 出来辟谣，但是抢盐风波并未就此停止，据媒体报道，某些 城镇抢购风潮甚至愈演愈烈。 很多研究发现，逆火效应与信息接收者的自我认知有关， 当新信息超出了接收者的自我认知时，会激发接收者的负面 情绪，而这种负面情绪会阻碍对新信息的认知和理解接受能 力，从而影响人们对新信息的有效消化。这与人的自我防御的心理机制有关，即人们有动力去维护自我的完整性。这也 就是反复强化了神经元，从而形成根深蒂固的思维。当自身 的观念被攻击时，就激发了愤怒和惊慌的感受，跟自己被攻 击差不多，就会想要捍卫自己的观点，很难去接受新的观点。 当你收到一条负面的评论、偶像被人诋毁、观点受到挑战， 你便开始搜集数据，寻找信息，试图找到对方的弱点将其击 破。在此过程中，你的脑中会形成新的神经连接，令原本的 观点变得更加坚定。追星族喜欢某个明星或者人物，就更倾 向于接受其正面的新闻信息，如果发现负面新闻，就会想要

精准性、民主 化。 1.数字时代的网络舆情风险 在现代信息技术的推动下，网络舆情经历由简单到复杂 的嬗变过程，其规模大、形态多、变化快、价值低的新特征， 以及网络暴力、网络水军、歪风邪气等网络舆情乱象，给数 字时代的网络舆情治理带来新的挑战。既有的回应治理路径 和法治治理路径无法有效覆盖网络舆情生命周期的各个阶 段，在很大程度上呈现出治理失灵的状态。“大数据悖论” 带来诸多治理困 第三，建立健全网络舆情治理机制。以完善的制度体系 为保障，以技术赋能应用为支撑，构建动态的网络舆情治理 共同体、网络信息治理体系和网络舆情大数据监管体系。通 过技术创新健全网络舆情引导机制、媒体融合互通机制、网 络民意对话表达机制等。 第四，加强数据、信息和政策之间的协同。整合各部门 大数据信息资源，以打破政策壁垒和信息壁垒。政府不仅要 制定科学的大数据赋能网络舆情治理的宏观战略，搭建具体 第五，加大经费投入力度。培养大数据、人工智能、区 块链等信息技术方面的精英人才，搭建大数据分析、处理与 人才信息对接平台，出台支持优秀科技人才就业创业的相关 政策。 （五）情感治理路径情感治理路径强调关注互联网场域中政府、媒体、网民 等行为主体的情感表达。网络舆情兼具信息和情感双重属性， 呈现出网民更容易被情感裹挟的“弱信息-强情绪”的倾向。 该治理路径通过动员、扩散及耦合网络舆情参与主体的情感， 保证网络舆情在正向、正常的范围内波动；以重塑网民的理

编写说明与致谢 …………………………………………56思想殖民——美国认知战的手段、根源及国际危害 前 言 思想领域的战争没有硝烟。 2025年初，随着美国政府宣布裁撤美国国际 开发署、解散美国国际媒体署，这两家机构长期以 来输出意识形态、推动思想渗透、操纵国际舆论、 塑造他国认知甚至阴谋颠覆政权的活动不断曝光。 国际社会一片哗然。 这次“自曝家丑”让世界看到的，只是美国全 球思想战争的冰山一角。美国近百年来不遗余力推 民，从而构筑起其霸权体系的深层基石。 1.1美国思想殖民的概念特征 第二次世界大战之后，民族解放运动席卷全 球，众多民族国家如雨后春笋般独立，欧洲列强 建立的全球殖民体系土崩瓦解，世界进入“后殖 民”时代。作为新的全球霸主，美国发现，面对 众多“觉醒”的民族主义国家，单单依赖政治宰 制、经济支配、军事威慑等“硬权力”，无法建 立和维持长久广泛的殖民统治，而通过文化和价 值观等“软权力”，则能以更低成本获得更高殖 空间和时间范围内存在过。在物质和精神交流交 融交锋的全球化浪潮中，积累了丰厚资源和强大 实力的美国最终站在了思想殖民的历史“潮 头”。尤其是两次世界大战之后，现代通信技术 快速发展、专业媒体机构大量涌现、社会科学和 自然科学领域取得新突破、资本和技术流动出现 全球化趋势，为信息和知识的全球传播创造了前 所未有的条件，使美国思想殖民驶上快车道。 作为战后国际体系的主要缔造者之一，美国 一方面向世界输出美国政治经济制度、“民主”

深入学习，才能洞察秋毫，用道理说服人心。 脑袋里装满了知识，说话才有底气。 别忘了，新媒体的浪潮中，我们也要做个冲浪高手，掌握网络传播的 脉搏，提高舆情研判的敏锐度。 学习深入，认识才会透彻，才能讲出令人信服的道理，应对舆情时才 能做到以理服人。 要加强理论武装，用党的创新理论武装头脑、指导实践、推动工作。要熟悉新媒体，科学把握网络传播规律，不断提升舆情跟踪研判能力。 二要迎接挑战，做主动出击者 二要迎接挑战，做主动出击者 面对校园舆情，别怕，更别躲！ 如果存在怕和躲的心态，就容易始终处于被动应付、消极应对的局面。 要变被动为主动，主动接触新媒体，主动联系，主动沟通，下好先手 棋，打好主动仗，正确引导舆论导向。 如有所学校因为食堂卫生问题引起学生及家长不满，引发网络舆情。 学校对此高度重视，主动出击，第一时间与家长沟通，及时整改，最 终化险为夷。 所以，要勇敢迎接挑战，用我们的真诚和行动，引导舆论的走向。 如有所中学发生了一起校园欺凌事件，视频在网络上迅速传播，引起 了公众的广泛关注。学校迅速成立调查小组，对事件进行彻底调查，并及时向公众通报调 查进展。 学校还邀请了家长和学生代表参与讨论解决方案，并在社交媒体上发 布公开信，承诺加强校园安全管理和反欺凌教育。 通过透明和积极的沟通，学校成功地减少了公众的不满情绪，并重建 了信任。 所以，依法依规的前提下，能公开的尽量公开，真相越多，猜疑越少。 七要实事求是，做个“诚实宝宝”

月，我国网民 规模已达 10.92 亿人，全国互联网普及率达 77.5%，网络视 频用户规模为 10.67 亿人，短视频用户规模为 10.53 亿人。 新一代信息技术和网络自媒体迅速发展的当下，越来越多 的网民开始通过社交媒体和短视频接收信息、传递情绪和 表达诉求。突发事件发生后，常常伴随着网络舆情的急速 发酵和快速蔓延，对政府工作、社会稳定以及公众的正常 生活都会产生很大的影响。因此，如何在突发事件发生时， 两年里研究热度出现下滑，2019 年到 2023 年间该领域研 究热度呈现波浪式发展趋势，2009 年至 2016 年逐年递增 的态势与信息技术和新媒体的发展有着密切的关系，这一 时间段是承上启下的阶段，随着前人对基础理论的研究日 益完善，每个领域内的研究框架和研究方法被逐步接受和 推广。2020 年新冠疫情暴发，全国范围内围绕疫情的关注 度和讨论数量上升，致使 2020 年突发事件网络舆情的发文 量达到顶峰，在随后的两年里发文量较 献发表时间离 2024 年时间较远，暖色模型说明离 2024 年 时间较近。图 2 中最大的模型节点是“网络舆情”和“突 发事件”，随后是“应急管理”“舆情治理”“舆情传播” “舆情演化”“新媒体”“信息生态”等。图 2 2009—2024 年突发事件网络舆情研究热点分布图 利用 CiteSpace 知识图谱工具中的时间线功能对样本 文献中的热点进行研究，绘制出样本文献的时间轴可视图 （如图

当前趋势发展，文本数据耗尽的中位年份是 2028 年，最大 可能性是 2032 年。整个互联网的文本数据总量约 3100T，但 大部分数据分布在 Facebook、Instagram、WhatsApp 等社交 媒体。由于抓取这些数据复杂且昂贵，且涉及个人隐私，几 乎无法用于大模型训练。如何克服人类文本数据的瓶颈。第 一种是利用 AI 生成数据，如 OpenAI 模型每天能够生成相当 于 Common Crawl 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结果再来训练新模型，并重复这一循环。他们发现，模 型每迭代一次，错误就会叠加一次。当人们要求第 尾部（低概率事件）会消失。这种效应被称为“模型崩溃”。 换而言之，这种合成数据就像是近亲繁殖，会产生质量低劣 的后代。 当下，AI 生成内容已经进入机器学习工程师们所习惯于 获取训练数据的领域。即使是主流新闻媒体也开始发布人工 智能生成的文章，百科网站的编辑希望使用语言模型为网站 生成内容。许多用来训练模型的现有工具，很快就会被 AI 生成的文本‘喂饱’”。韦谢洛夫斯基及其同事通过统计分析 发现，已有约